Update README.md

README.md

@@ -5,14 +5,10 @@ Codestral模型支持80+的编程语言
 
 ## 模型结构
 Transformer 架构是一种在自然语言处理（NLP）中广泛应用的深度学习架构。
-
 它的核心特点包括：
-
-多头注意力机制（Multi-head Attention）：这使得模型能够同时关注输入序列的不同位置，并学习到不同的表示。例如，在翻译任务中，能够同时关注源语言句子中的不同词汇与目标语言词汇的关系。
-
-前馈神经网络（Feed Forward Network）：用于对注意力机制的输出进行进一步的特征提取和转换。
-
-位置编码（Positional Encoding）：由于 Transformer 本身不具有捕捉序列顺序的天然能力，位置编码为输入序列中的每个位置添加了位置信息，以便模型理解词语的顺序。
+- 多头注意力机制（Multi-head Attention）：这使得模型能够同时关注输入序列的不同位置，并学习到不同的表示。例如，在翻译任务中，能够同时关注源语言句子中的不同词汇与目标语言词汇的关系。
+- 前馈神经网络（Feed Forward Network）：用于对注意力机制的输出进行进一步的特征提取和转换。
+- 位置编码（Positional Encoding）：由于 Transformer 本身不具有捕捉序列顺序的天然能力，位置编码为输入序列中的每个位置添加了位置信息，以便模型理解词语的顺序。
 
 <div align=center>
     <img src="./assets/model_framework.png"/>